CN112182317A - 一种指标权重确定方法、装置、电子设备及介质 - Google Patents

一种指标权重确定方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN112182317A
CN112182317A CN202011045859.6A CN202011045859A CN112182317A CN 112182317 A CN112182317 A CN 112182317A CN 202011045859 A CN202011045859 A CN 202011045859A CN 112182317 A CN112182317 A CN 112182317A
Authority
CN
China
Prior art keywords
index
weight
data
parent
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011045859.6A
Other languages
English (en)
Inventor
符丽娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202011045859.6A priority Critical patent/CN112182317A/zh
Publication of CN112182317A publication Critical patent/CN112182317A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9035Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种指标权重确定方法、装置、电子设备及介质,确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法提高了指标权重确定的准确性。

Description

一种指标权重确定方法、装置、电子设备及介质
技术领域
本公开涉及数据处理领域,具体而言,本公开涉及一种指标权重确定方法、装置、电子设备及介质。
背景技术
实际场景中,在一些产品如应用(Application,APP)上线后,通常对产品进行整体评价,以实现后期的产品性能优化或者与竞品进行产品排名等。
其中,产品的整体评价是由多个指标共同体现的,产品整体评价的确定方式主要包括:预先为各种指标确定对应的权重,从而通过各指标的权重以及分数进行聚合,得到产品的整体评价。
可见,目前主要通过人工方式主观的对各指标权重进行设置,即由产品相关人员对其认为重要程度高的指标设置较高权重、对其认为重要程度低的指标设置较低权重,但是,这种人工设置的权重不够准确。
发明内容
本公开提供了一种指标权重确定方法、装置、电子设备及介质,可以解决以上至少一种技术问题。
一方面,本公开实施例提供了一种指标权重确定方法,其特征在于,包括:
确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
另一方面,本公开实施例提供了一种指标权重确定装置,其特征在于,包括:
第一确定单元,用于确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
第二确定单元,用于根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
第三确定单元,用于根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
另一方面,本公开实施例提供了一种电子设备,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行上述指标权重确定方法。
另一方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述指标权重确定方法。
本公开提供的技术方案带来的有益效果是:
本公开提供了一种指标权重确定方法、装置、电子设备及介质,确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法通过引入目标产品的指标关联数据进行权重确定,即通过真实、客观的数据进行权重确定,而避免了人工确定,由此提高了指标权重确定的准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种指标权重确定方法流程图;
图2a为本公开实施例提供的一种多层级指标结构图;
图2b为本公开实施例提供的一种多层级指标子结构图;
图3为本公开实施例提供的一种确定指标关联数据方法示意图;
图4为本公开实施例提供的一种进行数据分类方法示意图;
图5为本公开实施例提供的一种第二指标的指标权重确定方法示意图;
图6为本公开实施例提供的一种包括权重值的数轴示意图;
图7为本公开实施例提供的一种确定性能指标的层级权重示意图;
图8为本公开实施例提供的一种确定性能指标的全局权重示意图;
图9为本公开实施例提供的一种指标权重确定方法示意图;
图10为本公开实施例提供的一种指标权重确定装置示意图;
图11为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分,并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元,也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
在实际场景中,产品的整体评价的确定方式主要包括:预先为各种指标确定对应的权重,从而通过各指标的权重以及分数进行聚合,得到产品的整体评价。而目前主要通过人工方式主观的对各指标权重进行设置,即由产品相关人员对其认为重要程度高的指标设置较高权重、对其认为重要程度低的指标设置较低权重,但是,这种人工设置的权重不够准确。
为此,本公开实施例提供了一种指标权重确定方法,该方法通过引入预先收集的指标关联数据作为确定指标权重的依据,而不是由人工设置,由此提供了确定指标权重的准确性。
首先,对该指标权重确定方法的执行主体进行介绍。该指标权重确定方法可以由数据处理设备来执行。该数据处理设备可以是终端设备,终端设备例如可以是智能终端、计算机、个人数字助理(Personal Digital Assistant,PDA)、平板电脑等设备。该数据处理设备还可以是服务器,例如可以是独立的服务器,也可以是集群中的服务器或云服务器等。
接下来,将以服务器作为执行主体,以确定目标产品的性能指标权重为例,对本公开实施例提供的指标权重确定方法进行介绍。其中,上述目标产品可以是需要确定指标权重的任意一种产品。该目标产品可以是任意领域、类型的产品,本公开对此不作限定。例如可以是各类软件产品、电子产品等,包括应用(Application,APP)等。
也就是说,本公开实施例提供的指标权重确定方法,可以用于对任意一个产品的指标确定对应的权重。
参见图1,该图示出了本公开实施例提供的一种指标权重确定方法流程图,如图1所示,该方法可以包括:
S101:确定针对目标产品的多层级指标结构。
可以理解,目标产品可以具有多个性能指标,这些性能指标可以属于目标产品的不同的指标层级及指标类别。这里所述的指标层级可以体现性能指标对应的指标分类程度,当性能指标对应的指标分类越细化时,可以表示对该性能指标的指标分类程度越高;反之,则表示对该性能指标的指标分类程度越低。
指标类别可以是性能指标在分类后所属的类别。在本公开实施例中,性能指标的指标类别可以是目标产品的另一个或多个性能指标。也就是说,针对目标产品的性能指标D,若其为对性能指标E和性能指标F通过不同指标分类程度进行分类后得到的性能指标,则该性能指标D的指标类别可以是性能指标E,以及性能指标F。例如,APP具有“资源类指标”和“包大小”这两个性能指标,“包大小”这一性能指标是由“资源类指标”通过分类得到的性能指标,则该性能指标“包大小”的指标类别可以是“资源类指标”。
在本公开实施例中,可以根据目标产品的性能指标,确定针对目标产品的多层级指标结构。在该目标产品的多层级指标结构中,包括具有父子关联关系的多个指标层,且父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系。
也就是说,针对目标产品的任意一个性能指标,记为第一指标,该第一指标可以具有一个或多个性能指标,记为第二指标。则,针对该多层级指标结构,第一指标所属的父指标层为第二指标所属的子指标层的上一指标层。该父指标层为第一指标针对目标产品所属的指标层级,该子指标层为第二指标针对目标产品所属的指标层级。也就是说,第一指标可以是其下第二指标所归属的指标类别。
在具体实现中,为了清楚、方便的确定目标产品的各性能指标的分层分类关系,可以预先针对目标产品的各性能指标,依据指标相互独立的原则,按照指标层级和指标类别进行分层分类,得到目标产品对应的多层级指标结构,该多层级指标结构中可以包括目标产品的各指标所属的指标层级和指标类别。
在一种可能的实现方式中,多层级指标结构包括第一指标层和与其具有父子关系的第二指标层;所述第一指标层包括资源类指标和耗时类指标;所述第二层指标包括:与资源类指标具有父子关系的包大小、内存和耗电,以及,与耗时类指标具有父子关系的启动时间、页面数据(Feed)刷新时间和图像详情类刷新时间。
例如,假设目标产品为一个APP,该APP具有多个性能指标,分别为“资源类指标”、“耗时类指标”、“包大小”、“内存”、“耗电”、“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”,可以针对这些性能指标确定对应的多层级指标结构。
参见图2a,该图示出了本公开实施例提供的一种多层级指标结构图,如图2a所示,在将APP的性能指标进行分层分类时,可以将“资源类指标”和“耗时类指标”这两个性能指标划分为第一指标层,将“包大小”、“内存”、“耗电”、“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”这六个性能指标划分为第二指标层。且,“包大小”、“内存”、“耗电”这三个性能指标归属于性能指标“资源类指标”;“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”这三个性能指标归属于性能指标“耗时类指标”。
则,参见图2b,该图示出了本公开实施例提供的一种多层级指标子结构图,如图2b所示,上述中的第一指标例如可以是性能指标“耗时类指标”,该第一指标下的第二指标可以分别为“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”。
S102:根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重。
其中,指标的层级权重可以用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度。
即,针对目标产品的性能指标,可以确定第一指标的层级权重,以及第一指标下的每一第二指标的层级权重。每个第二指标的层级权重,可以用于表征第二指标相比于第一指标下除第二指标外的其它性能指标的重要程度。
该方法通过引入所属相同指标类别的其他指标作为参照,使得指标权重确定的方式更为合理,从而提高了所确定的指标权重的准确性。
在本公开实施例中,可以根据预先收集的目标产品运行时所产生的指标关联数据,该指标关联数据可以是与第一指标以及第二指标相关的数据。
在具体实现中,针对多层级指标结构中每个指标层中的指标,例如可以基于第一指标下的全部第二指标,收集每个第二指标对应的指标关联数据,从而组成目标产品运行时所产生的完整指标关联数据。例如如图2b对应的示例,可以针对“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”这三个第二指标,分别确定与这三个性能指标相关的数据,作为指标关联数据。
从而,可以根据预先收集的指标关联数据,确定第一指标和每一第二指标的层级权重。
S103:根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重。
其中,第二指标的全局权重可以用于表征指标在其所属指标层级中相比其他指标的重要程度。
由上述技术方案可以看出,确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法通过引入目标产品的指标关联数据进行权重确定,避免了人工确定,由此提高了指标权重确定的准确性。
其中,S102中根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重的方法,包括:
将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比,根据所述占比确定该目标指标的层级权重。
在一种可能的实现方式中,上述S102、根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重的方法,可以包括:
S201:将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比。
也就是说,可以将待确定层级权重的第一指标下或第二指标作为目标指标,确定该目标指标对应的占比。
该占比为目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比。
针对于目标指标所处的指标层相关的指标关联数据,可以理解为与该目标指标具有关联关系的父指标下的全部子指标的指标关联数据。在确定目标指标所处的指标层相关的指标关联数据时,可以确定出与该目标指标具有关联关系的父指标,然后确定出与该父指标具有关联关系的全部子指标,再确定出全部子指标的指标关联数据,这些指标关联数据即为目标指标所处的指标层相关的指标关联数据。
S202:根据占比确定目标指标的层级权重。
从而,根据该目标指标的占比,确定该目标指标的层级权重。
在实际场景中,目标指标相关的指标关联数据包括来源于针对应用程序性能的多个评价维度的数据,即所确定的指标关联数据中可能包括多种类型数据,例如,参见图3,该图示出了本公开实施例提供的一种确定指标关联数据方法示意图,如图3所示,针对APP的性能指标“耗时类指标”,可以基于其下的三个性能指标(“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”),收集指标关联数据,所收集的指标关联数据中包括以下四种类型数据,分别为单页浏览量(Page View,PV)数据、互联网访客(Unique Visitor,UV)数据、问卷调研数据和用户反馈数据。
基于该场景,可以确定针对不同评价维度的数据各自的占比和各自对应的权重。
基于指标关联数据中包括多种评价维度的数据,即目标指标对应的指标关联数据中可能包括各种类型数据,由此,在确定目标指标的层级权重时,可以根据该目标指标所对应指标关联数据中的每种评价维度的数据,以及该目标指标所处的指标层相关的指标关联数据中的该评价维度的数据,确定该评价维度的数据对应的占比,得到该目标指标的占比。其中,该占比可以包括:目标指标所对应指标关联数据中各个评价维度的数据分别在该目标指标所处的指标层相关的指标关联数据中相同评价维度的数据下的占比。
如此,可以确定每个第一指标和第二指标对应的占比。
下面基于图3对应的示例进行举例说明,参见下表1,假设指标关联数据中包括5000条PV数据、500条UV数据、1000条问卷调研数据和100条用户反馈数据,该PV数据、UV数据、问卷调研数据和用户反馈数据即为针对应用程序性能的多个评价维度的数据。可以针对上述三个性能指标“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”,分别确定对应的占比,每个性能指标对应的占比均包括PV数据占比、UV反馈数据占比、问卷调研数据占比和用户反馈数据占比。
表1性能指标对应的占比表
Figure BDA0002707939330000081
其中,PV数据占比是每个性能指标所对应指标关联数据中的PV数据在该性能指标所处的指标层相关的指标关联数据中PV数据的占比,UV数据占比是每个性能指标所对应指标关联数据中的UV数据在该性能指标所处的指标层相关的指标关联数据中UV数据的占比,问卷调研数据占比是每个性能指标所对应指标关联数据中的问卷调研数据在该性能指标所处的指标层相关的指标关联数据中问卷调研数据的占比,用户反馈数据占比是每个性能指标所对应指标关联数据中的用户反馈数据在该性能指标所处的指标层相关的指标关联数据中用户反馈数据的占比。
在上述表1中,针对第一指标和每个第二指标,所确定的对应的占比均包括上述PV数据占比、UV数据占比、问卷调研数据占比和用户反馈数据占比。
则,S202、根据所述占比确定该目标指标的层级权重的方式,可以包括:
S301:根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
其中,每种评价维度也具有对应的权重,则,可以根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
由于目标指标对应的占比包括了目标指标所对应指标关联数据中各类型数据分别在该目标指标所处的指标层相关的指标关联数据中相同类型数据的占比,通过所含信息量更为丰富的目标指标的占比确定层级权重,有利于提高层级权重确定的准确性。
在实际场景中,可以对指标关联数据进行数据分类。在一种可能的实现方式中,目标指标相关的指标关联数据可以包括客观数据和主观数据这两类。客观数据可以包括采集的目标产品运行过程中的相关性能数据,例如为上述提及的如PV数据等业务数据。主观数据可以包括针对目标产品的评价数据,例如由用户提供的用户问卷调研数据等。
则,上述S301中根据针对不同评价维度的数据各自的占比和各自对应的权重确定目标指标的层级权重的方式,可以包括:
在本公开实施例中,可以确定为指标关联数据预设的至少一种数据分类,以用于对指标关联数据进行分类。
举例来说,基于前述图3对应的示例,参见图4,该图示出了本公开实施例提供的一种进行数据分类方法示意图,如图4所示,可以根据客观数据和主观数据这两种数据分类,将PV数据、UV数据、问卷调研数据和用户反馈数据分为两类。分类后的客观数据可以包括:PV数据和UV数据,主观数据可以包括:问卷调研数据和用户反馈数据。
通过在指标关联数据中加入客观数据,基于客观数据能够客观的体现用户针对各性能指标的关注程度,由此通过客观数据作为支撑来确定目标指标的层级权重,可以提高层级权重体现该目标指标相比与其具有关联关系的父指标下其它指标的重要程度的准确性。
另外,通过在指标关联数据中加入主观数据,由于这些主观数据包括针对目标产品的评价数据例如通过向使用目标产品的用户获取的数据,更能充分体现用户针对目标产品的各性能指标的关注程度,由此,通过加入主观数据来纠偏指标关联数据带来的错误影响,也可以提高层级权重体现该目标指标相比与其具有关联关系的父指标下其它指标的重要程度的准确性。
此外,还可以为客观数据和主观数据配置分类权重。
其中,客观数据和主观数据分别对应的分类权重可以用于体现该数据分类相比其他数据分类的重要程度。
进而,可以根据配置的分类权重、以及目标指标对应的占比,确定该目标指标的层级权重。
通过设置客观数据和主观数据、以及为它们分别配置对应的分类权重,可以实现在确定层级权重时加入数据的客观性或主观性带来的影响,有助于提高确定层级权重的准确性。
在一种可能的实现方式中,上述为客观数据和主观数据配置分类权重的方法,可以包括:
按照至少一种配比方式,分别为客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果。
其中,配比方式可以是为客观数据和主观数据配置分类权重的方式,配比方式可以与数据分类的个数相关。比如,当数据分类为客观数据和主观数据即2个数据分类时,每种配比方式可以分别为:将客观数据和主观数据的分类权重设置为1:9、2:8、3:7、4:6、5:5、6:4、7:3、8:2、9:1这9种。
在本公开实施例中,可以按照至少一种配比方式,为该客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果。其中,每一配比方式对应的分类权重结果可以是按照该种配比方式为客观数据和主观数据配置的分类权重。
例如,可以按照9种配比方式分别将客观数据和主观数据的分类权重设置为1:9、2:8、3:7、4:6、5:5、6:4、7:3、8:2、9:1这9种,对客观数据和主观数据配置分类权重,得到按照上述9种配比方式对应的分类权重结果分别为:客观数据和主观数据的分类权重分别为1:9、2:8、3:7、4:6、5:5、6:4、7:3、8:2、9:1这9种。
针对该种为客观数据和主观数据配置分类权重的情形,在一种可能的实现方式中,上述S301、根据针对不同评价维度的数据各自的占比和各自对应的权重确定目标指标的层级权重的方式,可以包括:
S401:针对每一配比方式对应的分类权重结果,根据该分类权重结果以及针对不同评价维度的数据各自的占比和各自对应的权重,确定该目标指标的指标权重。
也就是说,针对任意一种配比方式对应的分类权重结果,均可以根据该分类权重结果以及针对不同评价维度的数据各自的占比和各自对应的权重,确定该目标指标的指标权重,该指标权重是对应于该种配比方式的。
从而得到多种配比方式分别对应的目标指标的指标权重。
在具体实现中,S401中确定该目标指标的指标权重的方法可以包括:假设目标指标所对应指标关联数据中包括n(n为正整数)种评价维度的数据,令每种评价维度的数据记为xi(i=1,2,…,n),令该目标指标对应的指标关联数据中的某种评价维度数据xi在该目标指标所处的指标层相关的指标关联数据中相同评价维度数据下的占比为yi,该种评价维度的数据xi所对应数据分类的分类权重记为zi,则,该目标指标的指标权重可以是∑1 n(yi·zi)。
下面基于图4对应的示例,以配比方式为7:3为例进行说明,参见图5,该图示出了本公开实施例提供的一种目标指标的指标权重确定方法示意图,如图5所示,针对“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”这三个第二指标,根据它们对应的占比,可以确定它们关于PV数据的占比情况为2:4:4、UV数据的占比情况为2:4:4、问卷调研数据的占比情况为2:4:4,用户反馈数据的占比情况为3:2:5。
又假设客观数据与主观数据对应的配比方式为7:3,则,针对该配比方式下的各第二指标对应的指标权重分别为,“启动时间”的指标权重为0.7*0.2*m+0.7*0.2*n+0.3*0.2*a+0.3*0.3*b;“Feed刷新时间”的指标权重为0.7*0.4*m+0.7*0.4*n+0.3*0.4*a+0.3*0.2*b;“图文详情页刷新时间”的指标权重为0.7*0.4*m+0.7*0.4*n+0.3*0.4*a+0.3*0.5*b;其中,m和n是针对PV数据和UV数据预设的权重,a和b可以是针对问卷调研数据和用户反馈数据预设的权重。
其中,该三个第二指标的指标权重为配比方式为7:3的情形下确定的,即这三个第二指标的指标权重为配比方式为7:3下的指标权重。针对其它的配比方式,均可以通过相同的方式来确定,本公开在此处不再赘述。
S402:根据各个配比方式对应的指标权重,确定该目标指标的层级权重。
基于配比方式为人为预设的配比方式,通过确定每种匹配方式对应的指标权重,有助于确定匹配方式的不同为对应的目标指标的层级权重带来的影响,从而有助于提高为目标指标确定层级权重的准确性。
本公开实施例不限定S402、根据各个配比方式对应的指标权重,确定该目标指标的层级权重的方式,例如可以确定每个配比方式对应的指标权重的中位值或均值,并将该中位值或均值作为目标指标的层级权重。
在一种可能的实现方式中,S402、根据各个配比方式对应的指标权重,确定该目标指标的层级权重的方式,可以包括:
若存在权重收敛区间,则将处于所述权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为该第二指标的层级权重;
其中,每种配比方式对应的指标权重具有对应的权重值,该权重值可以为指标权重对应的数值。
在本公开实施例中,可以预设一个预设阈值,该预设阈值可以为一个数值,以用于标识两个相邻的指标权重的权重值的接近程度。
其中,可以将相邻的指标权重的权重值理解为,对于任意一个指标权重的权重值h,在所有配比方式对应的指标权重的权重值(k1,k2,…)中,可能具有小于该权重值h且最接近该权重值h的权重值k,以及可能具有大于该权重值h且最接近该权重值h的权重值k’,则,权重值h和权重值k可以是两个相邻的指标权重的权重值,权重值h和权重值k’也可以是两个相邻的指标权重的权重值。
从而,可以针对所有配比方式对应的指标权重的权重值,确定是否存在权重收敛区间,其中,权重收敛区间可以是一个数值区间,该权重收敛区间可以包括各个配比方式对应的指标权重中的至少两个权重值,且该至少两个权重值中的每相邻两个权重值之差小于预设阈值。
若存在权重收敛区间,则将处于权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为该第二指标的层级权重。
下面基于图5对应的示例进行举例说明,可以理解,基于前述提及的9种配比方式,可以确定每种配比方式下每个第二指标对应的指标权重,即根据9种配比方式可以确定第二指标的9个指标权重。由此,针对其中的任意一个第二指标如“启动时间”,可以根据其9个指标权重的权重值,例如分别为0.18、0.38、0.39、0.40、0.41、0.42、0.56、0.67、0.72;以及预设阈值例如为0.02,确定是否存在权重收敛区间。
其中,确定是否有权重收敛区间的方式可以是,在将这9个权重值按照大小排列后,对于其中的权重值0.38、0.39、0.40、0.41、0.42,他们间每相邻两个权重值之差均小于该预设阈值(即0.02),则确定这些权重值中的最小值和最大值间的取值范围即区间[0.38,0.42]为收敛区间。
参见图6,该图示出了本公开实施例提供的一种包括权重值的数轴示意图,如图6所示,该数轴中包括了该9个权重值。可以理解,基于该9个指标权重的权重值以及预设阈值,可以确定存在权重收敛区间,且权重收敛区间为[0.38,0.42],如图6所示,则可以根据权重收敛区间内的各个权重值中的中位值即0.4,作为该第二指标的层级权重。
另外,也可以通过上述方式,确定其它第二指标的层级权重。
在确定所有第二指标的层级权重后,若第二指标的层级权重的和不为1,则可以对这些第二指标的层级权重进行微调,以使经微调的第二指标的层次权重和为1。
通过该种方式,可以降低主观设置配比方式对第二指标的层级权重带来的影响,进而提高层级权重确定的准确性。
在本公开实施例中,基于第二指标的层级权重仅用于表征第一指标下除第二指标外的其它性能指标的重要程度,为使对第二指标确定的权重能体现它与其他性能指标间的重要程度,在S103中,可以根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重。
其中,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
本公开实施例不限定该确定第二指标的全局权重的方法,可以理解,可以通过上述S101的方法,为目标产品的每个性能指标均确定出对应的层级权重,即目标产品的每个层级指标都可以具有对应的层级权重。
例如,基于图2a对应的示例,参见图7,该图示出了本公开实施例提供的一种确定性能指标的层级权重示意图,如图7所示,可以为目标产品的每个性能指标,即“资源类指标”、“耗时类指标”、“包大小”、“内存”、“耗电”、“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”,分别确定对应的层级权重,分别为30%、70%、30%、20%、50%、20%、40%、40%。
由此,可以根据第二指标和在子指标层中的其它指标的层级权重,确定第二指标的全局权重。
在一种可能的实现方式中,上述确定该第二指标的全局权重的方法,可以包括:
根据该第二指标的层级权重和第二指标所关联的父指标的层级权重,确定该第二指标的全局权重。
其中,第二指标的全局权重可以是该第二指标的层级权重与和第二指标所关联的父指标的层级权重的乘积。
在具体实现中,针对目标产品的每个性能指标,均可以确定出对应的全局权重。性能指标L的全局权重可以是,全部的性能指标O的层级权重与该性能指标L的层级权重间的乘积。性能指标O为目标产品的作为性能指标L所属指标类别的各个性能指标。
下面基于图7对应的示例进行举例说明,针对目标产品的任意一个性能指标,其全局权重等于其自身的层级权重和其所关联的父指标(性能指标)层级权重的乘积,即,针对处于第N指标层的性能指标,其全局权重=其所属的处于第一指标层的指标类别(性能指标)所对应的层级权重*其所关联的处于第二指标层的父指标(性能指标)所对应的层级权重*…*其所关联的处于第N指标层的父指标(性能指标)所对应的层级权重。
参见图8,该图示出了本公开实施例提供的一种确定性能指标的全局权重示意图,如图8所示,可以为处在第二指标层的性能指标(即“包大小”、“内存”、“耗电”、“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”)确定对应的全局权重,通过将每个性能指标的层级权重与其具有父子关联关系的父指标的层级权重相乘,得到每个性能指标的全局权重。
其中,“包大小”、“内存”和“耗电”的具有父子关联关系的父指标(性能指标)为“资源类指标”,“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”的具有父子关联关系的父指标(性能指标)为“耗时类指标”。最后,参见图8,计算得到“包大小”、“内存”、“耗电”、“启动时间”、“Feed刷新时间”和“图文详情页刷新时间”的全局权重分别为9%、6%、15%、14%、28%和28%。
如此,使得为第二指标确定出更能体现第二指标相对其它性能指标的重要程度的指标权重。
本公开实施例提供了一种指标权重确定方法,假设需要进行指标权重确定的目标产品为APP,参见图9,该图示出了本公开实施例提供的一种指标权重确定方法示意图,如图9所示,该APP可以包括A类指标和B类指标,在A类指标下还可以分类出a1指标和ai指标,在B类指标可以分类出b1指标和bj指标,在ai指标下经过多层级分类后还包括m1指标,m2指标,…,mj指标,在bj指标下经多级分层类后还包括n1指标,n2指标,…,nj指标。
如此,可以为APP的全部性能指标按照指标层级和指标类别,建立多层级指标结构。然后,收集针对每一指标层的性能指标相关的数据,作为对应的指标关联数据,以确定该多层级指标结构中每个指标对应的层级权重。例如,针对m1指标、…、mj指标,可以收集与这些性能指标相关的数据,得到对应的指标关联数据,然后,根据这些指标关联数据确定m1指标、…、mj指标分别对应的层级权重。其中,确定层级权重的具体方式如前所述,此处不再赘述。
最后,可以计算每个性能指标的层级权重和其具有父子关联关系的父指标的层级权重的乘积,即按照多层级指标结构中的层级权重,自下而上,得到每个性能指标的全局权重。例如,针对m1这一指标,假设为第c+1级指标层,其层级权重为xc+1,在确定其全局权重时,可以确定m1这一性能指标分别在第一指标层至第c级指标层的父指标(性能指标)的层级权重,分别为x1、x2、…、xc,从而,确定m1的全局权重为x1*x2*…*xc*xc+1。
本公开实施例还提供了一种指标权重确定装置,参见图10,该图示出了本公开实施例提供的一种指标权重确定装置示意图,如图10所示,所述装置包括:
第一确定单元1001,用于确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
第二确定单元1002,用于根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
第三确定单元1003,用于根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
在一种可能的实现方式中,第二确定单元1002,具体用于:
将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比,根据所述占比确定该目标指标的层级权重。
在一种可能的实现方式中,所述目标指标相关的指标关联数据包括来源于针对应用程序性能的多个评价维度的数据;
第二确定单元1002,具体用于:
根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
在一种可能的实现方式中,所述目标指标相关的指标关联数据包括客观数据和主观数据;所述客观数据包括采集的目标产品运行过程中的相关性能数据;所述主观数据包括针对目标产品的评价数据。
在一种可能的实现方式中,所述多层级指标结构包括第一指标层和与其具有父子关系的第二指标层;所述第一指标层包括资源类指标和耗时类指标;所述第二层指标包括:与资源类指标具有父子关系的包大小、内存和耗电,以及,与耗时类指标具有父子关系的启动时间、页面数据刷新时间和图像详情类刷新时间。
在一种可能的实现方式中,第二确定单元1002,具体用于:
按照至少一种配比方式,分别为所述客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果;
所述根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重,包括:
针对每一配比方式对应的分类权重结果,根据该分类权重结果以及所述针对不同评价维度的数据各自的占比和各自对应的权重,确定所述目标指标的指标权重;
根据各个配比方式对应的指标权重,确定所述目标指标的层级权重。
在一种可能的实现方式中,第二确定单元1002,具体用于:
若存在权重收敛区间,则将处于所述权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为所述目标指标的层级权重;
其中,所述权重收敛区间包括各个配比方式对应的指标权重中的至少两个权重值,所述至少两个权重值中的每相邻两个权重值之差小于预设阈值。
本公开提供了一种指标权重确定方法、装置、电子设备及介质,确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法通过引入目标产品的指标关联数据进行权重确定,避免了人工确定,由此提高了指标权重确定的准确性。
上述主要从虚拟模块的角度详细介绍本公开实施例的指标权重确定装置,下面将从实体设备的角度详细介绍本公开实施例的电子设备,具体地:
本公开实施例提供了一种电子设备,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行根据方法实施例任一项所示的指标权重确定方法对应的操作。
下面参考图11,其示出了适于用来实现本公开实施例的电子设备(例如方法实施例中的终端设备或服务器)1200的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文所述的处理装置1201,存储器可以包括下文中的只读存储器(ROM)1202、随机访问存储器(RAM)1203以及存储装置1208中的至少一项,具体如下所示:
如图11所示,电子设备1200可以包括处理装置(例如中央处理器、图形处理器等)1201,其可以根据存储在只读存储器(ROM)1202中的程序或者从存储装置1208加载到随机访问存储器(RAM)1203中的程序而执行各种适当的动作和处理。在RAM 1203中,还存储有电子设备1200操作所需的各种程序和数据。处理装置1201、ROM 502以及RAM1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
通常,以下装置可以连接至I/O接口1205:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1206;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1207;包括例如磁带、硬盘等的存储装置1208;以及通信装置1209。通信装置1209可以允许电子设备1200与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备1200,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置1209从网络上被下载和安装,或者从存储装置1208被安装,或者从ROM 1202被安装。在该计算机程序被处理装置1201执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块或单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取模块还可以被描述为“获取规则文件的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本公开提供了一种电子设备,确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法通过引入目标产品的指标关联数据进行权重确定,避免了人工确定,由此提高了指标权重确定的准确性。
上述从实体装置的角度介绍本公开的电子设备,下面从介质的角度介绍本公开实施例的计算机可读介质。
本公开实施例提供了一种计算机可读介质,该计算机可读介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。该方法通过引入目标产品的指标关联数据进行权重确定,避免了人工确定,由此提高了指标权重确定的准确性。
根据本公开的一个或多个实施例,提供了一种指标权重确定方法,包括:
确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
根据本公开的一个或多个实施例,所述根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重,包括:
将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比,根据所述占比确定该目标指标的层级权重。
根据本公开的一个或多个实施例,所述目标指标相关的指标关联数据包括来源于针对应用程序性能的多个评价维度的数据;
则根据所述占比确定该目标指标的层级权重,包括:
根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
根据本公开的一个或多个实施例,所述目标指标相关的指标关联数据包括客观数据和主观数据;所述客观数据包括采集的目标产品运行过程中的相关性能数据;所述主观数据包括针对目标产品的评价数据。
根据本公开的一个或多个实施例,所述多层级指标结构包括第一指标层和与其具有父子关系的第二指标层;所述第一指标层包括资源类指标和耗时类指标;所述第二层指标包括:与资源类指标具有父子关系的包大小、内存和耗电,以及,与耗时类指标具有父子关系的启动时间、页面数据刷新时间和图像详情类刷新时间。
根据本公开的一个或多个实施例,所述方法还包括:
按照至少一种配比方式,分别为所述客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果;
所述根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重,包括:
针对每一配比方式对应的分类权重结果,根据该分类权重结果以及所述针对不同评价维度的数据各自的占比和各自对应的权重,确定所述目标指标的指标权重;
根据各个配比方式对应的指标权重,确定所述目标指标的层级权重。
根据本公开的一个或多个实施例,所述根据各个配比方式对应的指标权重,确定所述目标指标的层级权重,包括:
若存在权重收敛区间,则将处于所述权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为所述目标指标的层级权重;
其中,所述权重收敛区间包括各个配比方式对应的指标权重中的至少两个权重值,所述至少两个权重值中的每相邻两个权重值之差小于预设阈值。
根据本公开的一个或多个实施例,提供了一种指标权重确定装置,所述装置包括:
该图示出了本公开实施例提供的一种指标权重确定装置示意图,如图所示,所述装置包括:
第一确定单元,用于确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
第二确定单元,用于根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
第三确定单元,用于根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
在一种可能的实现方式中,第二确定单元,具体用于:
将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比,根据所述占比确定该目标指标的层级权重。
在一种可能的实现方式中,所述目标指标相关的指标关联数据包括来源于针对应用程序性能的多个评价维度的数据;
第二确定单元,具体用于:
根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
在一种可能的实现方式中,所述目标指标相关的指标关联数据包括客观数据和主观数据;所述客观数据包括采集的目标产品运行过程中的相关性能数据;所述主观数据包括针对目标产品的评价数据。
在一种可能的实现方式中,所述多层级指标结构包括第一指标层和与其具有父子关系的第二指标层;所述第一指标层包括资源类指标和耗时类指标;所述第二层指标包括:与资源类指标具有父子关系的包大小、内存和耗电,以及,与耗时类指标具有父子关系的启动时间、页面数据刷新时间和图像详情类刷新时间。
在一种可能的实现方式中,第二确定单元,具体用于:
按照至少一种配比方式,分别为所述客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果;
所述根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重,包括:
针对每一配比方式对应的分类权重结果,根据该分类权重结果以及所述针对不同评价维度的数据各自的占比和各自对应的权重,确定所述目标指标的指标权重;
根据各个配比方式对应的指标权重,确定所述目标指标的层级权重。
在一种可能的实现方式中,第二确定单元,具体用于:
若存在权重收敛区间,则将处于所述权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为所述目标指标的层级权重;
其中,所述权重收敛区间包括各个配比方式对应的指标权重中的至少两个权重值,所述至少两个权重值中的每相邻两个权重值之差小于预设阈值。
根据本公开的一个或多个实施例,提供了一种电子设备,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据方法实施例任一项所示的指标权重确定方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现方法实施例任一项所示的指标权重确定方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种指标权重确定方法,其特征在于,包括:
确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
2.根据权利要求1所述的方法,其特征在于,所述根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重,包括:
将待确定层级权重的第一指标或第二指标作为目标指标,确定目标指标相关的指标关联数据在该目标指标所处的指标层相关的指标关联数据中的占比,根据所述占比确定该目标指标的层级权重。
3.根据权利要求2所述的方法,其特征在于,所述目标指标相关的指标关联数据包括来源于针对应用程序性能的多个评价维度的数据;
则根据所述占比确定该目标指标的层级权重,包括:
根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重。
4.根据权利要求3所述的方法,其特征在于,所述目标指标相关的指标关联数据包括客观数据和主观数据;所述客观数据包括采集的目标产品运行过程中的相关性能数据;所述主观数据包括针对目标产品的评价数据。
5.根据权利要求1所述的方法,其特征在于,所述多层级指标结构包括第一指标层和与其具有父子关系的第二指标层;所述第一指标层包括资源类指标和耗时类指标;所述第二层指标包括:与资源类指标具有父子关系的包大小、内存和耗电,以及,与耗时类指标具有父子关系的启动时间、页面数据刷新时间和图像详情类刷新时间。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
按照至少一种配比方式,分别为所述客观数据和主观数据配置分类权重,得到每一配比方式对应的分类权重结果;
所述根据针对不同评价维度的数据各自的占比和各自对应的权重,确定目标指标的层级权重,包括:
针对每一配比方式对应的分类权重结果,根据该分类权重结果以及所述针对不同评价维度的数据各自的占比和各自对应的权重,确定所述目标指标的指标权重;
根据各个配比方式对应的指标权重,确定所述目标指标的层级权重。
7.根据权利要求6所述的方法,其特征在于,所述根据各个配比方式对应的指标权重,确定所述目标指标的层级权重,包括:
若存在权重收敛区间,则将处于所述权重收敛区间的各个权重值中的中位值或各个权重值的均值,作为所述目标指标的层级权重;
其中,所述权重收敛区间包括各个配比方式对应的指标权重中的至少两个权重值,所述至少两个权重值中的每相邻两个权重值之差小于预设阈值。
8.一种指标权重确定装置,其特征在于,包括:
第一确定单元,用于确定针对目标产品的多层级指标结构,所述多层级指标结构包括具有父子关联关系的多个指标层,其中,父指标层中的每个第一指标与其关联的子指标层中的多个第二指标具有父子关系;
第二确定单元,用于根据预先收集的所述目标产品运行时所产生的指标关联数据,确定父指标层的每个第一指标的层级权重以及确定与所述第一指标具有父子关系的子指标层中第二指标的层级权重;所述层级权重用于表征指标在所属于指标层级中相比与其关联同一父指标的其他指标的重要程度;
第三确定单元,用于根据子指标层中第二指标的层级权重和第二指标所关联的父指标的层级权重,确定子指标层中第二指标的全局权重,所述全局权重用于表征指标在其所属指标层级中相比其他指标的重要程度。
9.一种电子设备,其特征在于,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据权利要求1~7任一项所述的指标权重确定方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述的指标权重确定方法。
CN202011045859.6A 2020-09-28 2020-09-28 一种指标权重确定方法、装置、电子设备及介质 Pending CN112182317A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011045859.6A CN112182317A (zh) 2020-09-28 2020-09-28 一种指标权重确定方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011045859.6A CN112182317A (zh) 2020-09-28 2020-09-28 一种指标权重确定方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN112182317A true CN112182317A (zh) 2021-01-05

Family

ID=73945696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011045859.6A Pending CN112182317A (zh) 2020-09-28 2020-09-28 一种指标权重确定方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN112182317A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239091A (zh) * 2021-05-14 2021-08-10 杭州志卓科技股份有限公司 一种人工智能b2b网站用户的智能评价系统
CN113297389A (zh) * 2021-04-29 2021-08-24 上海淇玥信息技术有限公司 设备间关联关系的方法、装置和电子设备
CN113902496A (zh) * 2021-12-10 2022-01-07 北京轻松筹信息技术有限公司 数据分析方法、装置及电子设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113297389A (zh) * 2021-04-29 2021-08-24 上海淇玥信息技术有限公司 设备间关联关系的方法、装置和电子设备
CN113297389B (zh) * 2021-04-29 2023-02-21 上海淇玥信息技术有限公司 设备间关联关系的方法、装置和电子设备
CN113239091A (zh) * 2021-05-14 2021-08-10 杭州志卓科技股份有限公司 一种人工智能b2b网站用户的智能评价系统
CN113902496A (zh) * 2021-12-10 2022-01-07 北京轻松筹信息技术有限公司 数据分析方法、装置及电子设备
CN113902496B (zh) * 2021-12-10 2022-03-01 北京轻松筹信息技术有限公司 数据分析方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN112182317A (zh) 一种指标权重确定方法、装置、电子设备及介质
CN110704751B (zh) 数据处理方法、装置、电子设备及存储介质
CN112163076B (zh) 知识问题库构建方法、问答处理方法、装置、设备和介质
CN111414543B (zh) 用于生成评论信息序列的方法、装置、电子设备和介质
CN110781373B (zh) 榜单更新方法、装置、可读介质和电子设备
CN111291258A (zh) 搜索热词的推荐方法、装置、电子设备及可读介质
CN112836128A (zh) 信息推荐方法、装置、设备和存储介质
US20140289334A1 (en) System and method for recommending multimedia information
CN111858381B (zh) 应用程序容错能力测试方法、电子设备及介质
CN113392018A (zh) 流量分发方法、装置、存储介质及电子设备
CN111262907B (zh) 服务实例访问方法、装置和电子设备
CN116433388B (zh) 数据存储资源划分方法、装置、电子设备和计算机介质
CN111262744B (zh) 多媒体信息发送方法、备份服务器及介质
CN116796233A (zh) 数据分析方法、装置、计算机可读介质及电子设备
CN116594568A (zh) 一种数据存储方法、装置、电子设备及存储介质
CN113157695B (zh) 数据处理方法、装置、可读介质及电子设备
CN111898061B (zh) 搜索网络的方法、装置、电子设备和计算机可读介质
CN113760178A (zh) 缓存数据处理方法、装置、电子设备和计算机可读介质
CN113297277A (zh) 检验统计量确定方法、装置、可读介质及电子设备
CN111680754A (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN114153620B (zh) Hudi运行环境资源优化分配方法及装置
CN116755889B (zh) 应用于服务器集群数据交互的数据加速方法、装置与设备
CN116757443B (zh) 新型配电网电力线损率预测方法、装置、电子设备和介质
CN116756615A (zh) 数据分析方法、装置、计算机可读介质及电子设备
CN117215746A (zh) 算力调度方式确定方法及装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: Tiktok vision (Beijing) Co.,Ltd.